南京邮电大学学报(自然科学版)

作者：杨真真,何袁梁,徐奕

单位：南京邮电大学 理学院，江苏 南京 210023南京邮电大学 理学院，江苏 南京 210023南京邮电大学 理学院，江苏 南京 210023

关键词：交通流量预测;压缩空间注意力;序列聚合重分配;多尺度时间信息;多尺度卷积

基金：国家自然科学基金（ 62571269） 和江苏省研究生科研与实践创新计划（ KYCX_241125， SJCX_240279）资助项目

针对现有交通流量预测方法难以同时兼顾全局路网趋势与局部路段细节，且对交通数据长期依赖关系建模不足的问题，提出了一种基于压缩空间注意力和序列聚合重分配（Compressed Spatial Attention and Sequence Aggregation Redistribution， CSA-SAR）的交通流量预测方法。首先，设计了压缩空间注意力机制，通过轴向压缩技术减少冗余信息干扰，并通过卷积模块增强交通数据关键空间特征 的细节表达。其次，设计了序列聚合重分配模块，利用随机池化生成全局状态的核心表示，并通过动态拼接与局部时间特征结合，改善长期依赖关系建模中全局与局部信息的融合效果。然后，设计了多尺度时间信息提取模块，通过多尺度卷积捕捉交通数据不同时间尺度特征，与序列聚合模块协同优化时间维度建模。最后，在三个数据集上的仿真实验表明，提出的CSA-SAR均优于现有交通流量预测方法。

来源：2026年第02期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2026年第02期